Question

我有一个由3列组成的数据框，每一列代表受访者所属的组。受访者属于这些组之一，并负责在其所属的组列中提供其数字响应。因此，对于给定的行，其他2列将为空白。

无论他们属于哪个组，我都需要创建一个包含其得分的列。在Stackoverflow上，我有一个类似的问题，但这是针对Python的（请参见here）

以下是数据的外观以及我所做的事情：

library(dplyr)

df <- data.frame(grp_A = c(13, NA, NA, NA, NA, 20, NA),
             grp_B = c(NA, 59, 66, NA, NA, NA, NA),
             grp_C = c(NA, NA, NA, 23, 42, NA, NA))

df$value <- apply(select(df, grp_A, grp_B, grp_C), 1,
              function(x) x[!is.na(x)])

由于某些行中缺少数据，R错误地将该新列转换为列表。我尝试使用as.data.frame将其重新转换为数据帧，但是没有用。

请告知如何防止新创建的列变成列表。

Answer 1

无需使用apply，因为对于每一行，您只有一个非NA值，我们可以使用max.col获得该值，而不必担心联系。

df$value <- df[cbind(1:nrow(df), max.col(!is.na(df)))]

df
#  grp_A grp_B grp_C value
#1    13    NA    NA    13
#2    NA    59    NA    59
#3    NA    66    NA    66
#4    NA    NA    23    23
#5    NA    NA    42    42
#6    20    NA    NA    20
#7    NA    NA    NA    NA

max.col为我们提供了每行具有最大值的列号索引，由于我们将其包装在!is.na中，它将为我们提供TRUE的索引。

max.col(!is.na(df))
#[1] 1 2 2 3 3 1 2

您的apply不起作用的原因是，您的最后一行具有所有NA，而x[!is.na(x)]却失败了。如果您删除该行并运行函数，那么它将起作用

apply(df[-7, ], 1,function(x) x[!is.na(x)])
# 1  2  3  4  5  6 
#13 59 66 23 42 20

我们还可以通过删除max来找出每一行的NA值，但是对于所有-Inf的行，这将返回NA

apply(df, 1,max, na.rm = TRUE)
#[1]   13   59   66   23   42   20 -Inf

Answer 2

基数R rowMeans

df$new=rowMeans(df,na.rm=T)
df
  grp_A grp_B grp_C new
1    13    NA    NA  13
2    NA    59    NA  59
3    NA    66    NA  66
4    NA    NA    23  23
5    NA    NA    42  42
6    20    NA    NA  20
7    NA    NA    NA NaN

Answer 3

如何将Reduce与dplyr::coalesce一起使用？

library(dplyr)

df <- data.frame(grp_A = c(13, NA, NA, NA, NA, 20, NA),
                 grp_B = c(NA, 59, 66, NA, NA, NA, NA),
                 grp_C = c(NA, NA, NA, 23, 42, NA, NA))

mutate(df, value = Reduce(coalesce, df))

结果：

  grp_A grp_B grp_C value
1    13    NA    NA    13
2    NA    59    NA    59
3    NA    66    NA    66
4    NA    NA    23    23
5    NA    NA    42    42
6    20    NA    NA    20
7    NA    NA    NA    NA

另一种选择是使用rowSums：

df$value <- rowSums(df, na.rm = T)

df[df$value == 0, ] <- NA

从性能角度来看，基本的Reduce解决方案似乎是最有效的：

microbenchmark::microbenchmark(
  Reduce = Reduce(coalesce, df), 
  purrr = purrr::reduce(df, coalesce),
  rowMeans = rowMeans(df,na.rm=T), 
  rowSums = rowSums(df, na.rm = T), 
  cbind = df[cbind(1:nrow(df), max.col(!is.na(df)))],
  times = 1000
)

Unit: microseconds
     expr     min       lq     mean   median       uq       max neval cld
   Reduce  83.507 107.2095 145.4134 121.4320 137.8410 12190.845  1000  a 
    purrr 205.667 269.1175 357.5908 304.8540 342.4135 24316.051  1000   b
 rowMeans 129.089 159.3555 196.1438 174.4890 194.9095  5481.523  1000  a 
  rowSums 129.454 157.1680 197.2731 173.5775 196.0035  7685.874  1000  a 
    cbind 267.294 331.8385 408.3179 368.4860 410.2400  4533.050  1000   b

使用套用每行中的非空白值来创建新列

3 个答案: